활어 내 아미노산의 비파괴 검출에 CHNSpec FS-13 초분광 카메라를 적용한 사례

A study published in "Food Research International" utilized visible/near-infrared hyperspectral imaging technology to achieve non-destructive prediction of muscle amino acid content in live common carp이 연구는 상하이 바다 대학, 중국 어업 과학 학회 및 다른 단위로 공동으로 완료되었습니다.CHNSpec Technology에서 제공하는 FS-13 하이퍼 스펙트럼 카메라 (FigSpec FS-13) 는 핵심 탐지 장비로 사용되었습니다.CHNSpec 테크놀로지의 엔지니어인 Xiajun Qi는 연구에 깊이 참여하여 살아있는 물고기의 영양 품질을 실시간으로 평가하는 새로운 기술적 경로를 제공했습니다.

I. 연구 배경 및 탐지 요구 사항
생선 고기의 아미노산 구성은 그 영양적 가치와 상업적 가치를 측정하는 중요한 지표입니다.전통적인 검출 방법 (고성능 액체 염색체 촬영 등) 이 정확하지만, 그들은 파괴적입니다. 물고기가 발견 된 후 더 이상 판매되거나 선택적 번식을 위해 사용할 수 없습니다.정밀식량영양 등급, 부모 선택, 산업은 오랫동안 신속하고 파괴적이지 않은 온라인 탐지 도구가 부족했습니다.

이 연구의 출발점은: 물고기의 껍질이 스펙트럼 신호를 위한 "창"으로 작용할 수 있는가?근육에서 검출기에 화학적 성분을 전달합니다.가능하다면 생선 영양 검출 문제를 근본적으로 해결할 수 있습니다.

II. 실험 프로토콜 및 핵심 장비
연구팀은 다른 해와 무게 범위에서 481개의 생선을 수집했습니다.먼저 MS222 마취제를 사용하여 잠시 마취되었습니다., 그리고 등지느러미 지역의 비늘의 표면은 흡수 종이로 부드럽게 건조되었습니다.스펙트럼 해상도 2.5 nm) 를 사용하여 껍질의 등지느러미 영역의 초전광 이미지를 얻었습니다. 각 샘플에 대한 관심 지역은 200 × 200 픽셀을 포함했습니다.각 픽셀은 300개의 대역에 걸쳐 스펙트럼 정보를 포함합니다..

그 후, 해당 등 근육 부위에서 표본을 채취했습니다.그리고 17개의 아미노산의 실제 함량은 모델링과 검증을 위해 고성능 액체 염색으로 결정되었습니다..

III. 모델 구축 및 예측 효과
연구자들은 다섯 가지 모델을 비교했습니다. 부분 최소 제곱 회귀 (PLSR), 최소 제곱 지원 벡터 기계 (LS-SVM), 극단 학습 기계 (ELM), 무작위 숲 (RF),그리고 역전달 인공신경망 (BP-ANN)모델링은 전체 대역 스펙트럼 신호 (400-1000 nm) 를 사용하여 수행되었으며 훈련 및 예측 세트에서 다른 모델의 R2 값은 일반적으로 0보다 높았습니다.95.

그 중 BP-ANN 모델은 대부분의 아미노산에 대해 비교적 안정적인 예측 효과를 보여주었습니다. 독립적인 검증 세트 (181개의 다른 해와 다른 재배 환경의 물고기),BP-ANN 모델의 검증 R2 값은 모두 0을 초과했습니다..7773개의 가장 높은 함유량인 아미노산 (글루타민산, 아스파르틱산, 리신) 에 대한 유효성 R2는 0에 도달했습니다.848, 0.858, 그리고 0.858연구 결과, 전체 대역을 특징적인 파장 (CARS 알고리즘에 의해 선택) 으로 대체한 후,예측 정확성의 개선은 제한적이었다 (평균 R2는 약 0으로 증가했습니다..013), 아미노산 관련 스펙트럼 정보가 광범위하게 분포되어 있음을 나타냅니다.

IV. 정확성 에 영향을 미치는 주요 요인
이 연구는 예측 정확성에 대한 여섯 가지 요인의 영향을 체계적으로 평가했으며 결과는 다음과 같이 나타났습니다. 샘플 인구의 이질성은 정확성에 영향을 미치는 가장 중요한 요소였습니다.모델이 다른 연령과 체중의 독립적인 인구에 적용되었을 때, 평균 R2는 약 0으로 감소했습니다.182이것은 두 개체군 사이의 아미노산 함량의 분포의 차이와 관련이있을 수 있습니다.첫 번째 개체군에서 대부분의 아미노산의 중간값은 두 번째 개체군에 비해 상당히 높았습니다.)그럼에도 불구하고 BP-ANN 모델은 여전히 이질적인 인구에서 수용 가능한 정확도를 유지했습니다 (R2 > 0.777).

반면 모델 유형, 아미노산 유형, 파장 선택 방법, 물고기의 몸무게 및 몸길이는 정확도에 덜 영향을 미쳤다. 예를 들어,물고기를 상단으로 나누고몸무게에 따라 중간 및 하위 그룹에서, BP-ANN 모델의 R2의 평균 차이는 0.076 (특정 파장을 사용하면) 에 불과했습니다.이것은 스펙트럼 신호가 주로 근육의 생화학적 구성에 의해 구동된다는 것을 나타냅니다.단순한 물리적 크기의 산란 효과보다는

특유의 파장 측면에서 CARS 알고리즘은 516-584 nm, 707-738 nm, 828-834 nm 및 939-1032 nm에서 농축된 글루타민산과 리신에 민감한 대역을 선택했습니다.이 영역은 C-H 결합의 음향과 조합 주파수와 연관되어 있습니다., O-H 결합, 그리고 N-H 결합, near-infrared 빛의 타당성을 검증하는 근육의 아미노산 분자와 상호 작용하는 척도를 침투한 후.

V. 공간 분포 및 응용 가치
연구팀은 FS-13 하이퍼스펙트럼 카메라의 각 픽셀의 스펙트럼 정보를 활용하여 살아있는 물고기 몸 전체의 총 아미노산 함량의 열 지도 분포를 지도로 만들었습니다.그 결과: 아래턱, 가슴지느러미 및 복부 근육의 총 아미노산 함량은 상대적으로 높았으며 등지느러미 지역과 꼬리 지역은 상대적으로 낮았습니다. This distribution matches the functional differences in muscle fiber types (red muscle and white muscle) across different parts—the pectoral fin and abdomen are dominated by slow-twitch oxidative red muscle이 열지도는 소비자가 영양가가 높은 부분을 선택할 수있는 시각적 참조를 제공 할 수 있습니다.

CHNSpec FS-13 하이퍼 스펙트럼 카메라와 함께 딥 러닝 알고리즘이 성공적으로가벼운, 수산물 농업을 위한 실용적인 탐지 도구 및 고품질 수산물 검사.모델 데이터베이스의 지속적인 개선과 휴대용 장비의 개발, 이 솔루션은 다양한 담수 및 해양 어종에 더 널리 보급될 수 있으며, 수산업이 지능, 표준화 및 영양 시각화 방향으로 업그레이드 할 수 있도록 도와줍니다.

제품 추천: FigSpecFS-13 하이퍼 스펙트럼 카메라 (라인 스캔)

• 스펙트럼 범위: 400~1000nm
• 스펙트럼 해상도: 2.5nm
• 스펙트럼 대역: 1200
• 공간 픽셀: 1920